有的时候有些事儿真是神奇，稍稍可谓殊途同归。记得原来的时候刚刚接触经济学，就对“信息经济学”这个颇为新潮的词儿感兴趣，有点一厢情愿的认为它和计算机、互联网联系紧密。可是真正接触，却发现原来不是那么回事儿，好不容易从那堆复杂的框架中解脱出来明白它在解决什么事儿，又纠结于那些公式中了。
而后，委托-代理框架反倒成为了我分析问题的常态，或者说有严重的路径依赖。有种本末倒置的感觉，毕竟这只是一种工具，而不完全是看待问题的一个方法。这点需要纠正，来源还应是客观的经济运行本身。不过，希望我不是在黑屋里抓黑猫。话说，没有经济学家们，除了升高一点失业率，还说不准整个经济形势会不会变差呢。这群人中太多无知而误导，大量无谓损失，原本经济的反而不经济了，还不知反省洋洋自得的。得失之间，权衡一下，难说。
现在看来，有必要澄清几个概念。信息经济学、网络经济学、以及所谓的wiki经济学/互联网经济学……自己去百科查一下吧。
不过，在范里安的《信息规则》一书中，他所提及的信息经济学大概还是网络运营这块儿的范畴。貌似他是商学院的？
我又要从方法论上说事儿了。关于计量经济学的应用，着实有一种“泛滥”的感觉。尤其是在前段时间和一些同学争论“格林兰因果检验”的时候，对那种“把统计检验结果奉若至宝”的态度实在是感到心痛。这种检验也就是摊上了一个好名字，最多可以否定一下因果关系（这还有待商榷），哪能作为肯定的依据？
这两天和Taiyun Wei、Yihui两位同学交流甚多，他们都是统计学专业科班出身的，可谓对于统计学的认识颇深。让我这么一个连本专业经济学都还没出师的对于统计、计量的看法和认识深入了很多。确实，计量只是一个工具，不能替代真实的世界中的因果关系（causal-relationship），虽然很多计量经济学家都在热衷于这件事儿。
下面是Taiyun Wei同学不辞辛苦整理贴给我的东西：
-------------------------------------以下引用其原文-------------------------------------
只是统计上的因果，能否定因果关系，却不能反过来支持因果关系。
我之前也这么认为，但是我目前的看法是：统计上的因果，即不能否定因果关系，也不能支持因果关系。之所以说不能否定因果关系，是因为实际条件可能错 综复杂，相互影响、噪声影响可能很严重。还有即便是统计方法，可能不同的方法得到的结果都是不一样的，有的支持有的不支持，这时候应该怎么选择呢？
下面是 我和朋友们的一些讨论，不当之处尽管批评：
说这些话不是说统计无用，相反，统计很有用，但要具体问题具体分析，用得合适、恰当，而不要盲目套模型。但怎么用得恰当，可是很大的一个问题。正如号称经济学家的人那么多，但真正会用的有几个？
------------------------------------引用结束-----------------------------------------
看完之后，我的心里颇为一沉，印证了很多我在现实中隐隐约约体会到的对于计量经济学应用（尤其是初学者滥用）的疑惑。虽然其中某些观点稍显偏激，但是在现实中的事实是，太多的急功近利的行为导致了计量经济学、统计学的滥用。经济学专业的学生不去关注经济规律本身和客观的物质世界，只知道一头埋在统计数据里面企图挖掘出来什么鲜为人知的关系。这说明了人们的思考角度已经不是事物本身，而实证检验的英文原文empirical指的是"经验主义"，而不是中文那般美化的仿佛就是现实中的必然规律似的。太多人忽视了统计应用的前提假设，胡乱把一堆例如结构方程模型（SEM）和数据包络(DEA)的东西随便应用到自己的分析中去，而不去严格的证明为什么可以这么用，为什么不会导致结果失真（或许他们也根本证明不了、没有意识去证明）。到这里，我不得不悲哀的说，这已经不是一个方法论的问题，而是彻底的世界观出问题了——认知世界怎么能全部依赖统计？
然后看了Yihui写的一系列文章（三篇，针对低年级统计学专业学生的），外加一两篇分析。网址分别列出，只挑选其中部分内容转载。
----------------------------------------引用开始------------------------------------------
我们先看最简单的一个例子：t检验。我想只要是个学统计的必然都知道这个检验，它是用来检验位置参数的，比如单个样本的 均值是否为0，两样本的均值是否无差异，等等。我们也都知道这个线索：t检验需要t统计量，而t统计量的来历是独立的正态随机变量与卡方随机变量平方根之商（卡方要除以自己的自由度），实际应用中，这里的分母往往就是样本标准差。在t分布被Gosset发表之前，人们往往只能用总体标准差作为分布构造标准 正态随机变量来做检验和估计，Gosset的t分布伟大贡献在于，我们可以用可知的样本标准差替换不可知的总体标准差而且构造t统计量，这下就让人放心多 了，因为我们总是畏惧未知的总体（或者未知的参数），而且在小样本情况下更为畏惧——样本量太少我们就更不敢对总体标准差作出估计。
Gosset的确帮助我们解决了个大麻烦，然而t检验仍然要假设总体服从正态分布，这个麻烦可不好解决。可能马上就会有人说，分布也是可以检验的啊。没 错，是可以检验，比如著名的KS检验；问题就在于，统计分布检验的备择假设太大，我们做假设检验只能有把握得出“样本不服从某种分布”，而不能说“根据检验，样本服从某种分布”：因为犯第一类错误的概率可以控制，而第二类错误的概率只有鬼才知道（不干鬼的事，鬼也许也不知道）。
第二个例子我想稍微说一点关于抽样调查中的统计推断，这里面的统计推断往往比较简单，大致原理就是用样本均值估计总体均 值，样本方差估计总体方差，为什么能这样呢？因为这些估计量往往都是无偏估计，不妨仔细想想“无偏”的意思：期望等于真值；注意不是估计量等于真值，那期 望是什么意思呢？通俗来讲，期望就是一个随机变量按照它的分布不停地变变变，变了无数次之后我们看它在“平均”意义下取值为多少，当然抽样工作不可能一遍 一遍无穷做下去，我们一般仅有一次抽样，得到的估计量也就只有一个值，这一个孤零零的估计值，到底离真实值有多远？只能再去问问鬼。此时可能又有人会说， 我们不是还有方差吗？不是可以做置信区间的估计吗？没错，书上都是这么写的。方差有什么用呢？书上说了，方差是度量离散程度的，试着想一下，告诉你一个随 机变量均值为100，方差为1000，你能想出所谓的“离散程度”是怎样的吗？恐怕也难以想象，所以除非方差为零，否则我一向觉得它在描述统计中并没多大 实际意义（它的确是刻画离散程度的，但怎样叫大怎样叫小？没有标准）。再看置信区间，要谈置信区间一般也就不可避免要用到分布，于是假设条件又来了，一方 面是总体独立同分布，另一方面样本量足够大，这样才能根据中心极限定理构造正态分布随机变量。显然，两个问题来了：抽样能保证独立同分布吗？怎样的样本量 才算作大？又是不好回答的问题。例如分层和整群抽样，很能让人怀疑样本的独立性；而大样本的问题，从数理统计角度（中心极限定理）来看，必须是样本量趋于无穷，显然这是不可能的，若样本量趋于无穷了，那我们还抽什么样？
其实，关于统计模型的这种质疑，也不是机器学习出现后才开始有的，以前看Gujarati的"Basic Econometrics"一书，曾经读到一段很有意思的话：
Economists' search for "truth" has over the years given rise to the view that economists are people searching in a dark room for a non-existent black cat; econometricians are regularly accused of finding one.
-- Peter Kennedy, A Guide to Econometrics, 3d ed., The MIT Press, Cambridge, Mass., 1992, p.82
经济学家们“在一间黑屋子里找一只本不存在的黑色的猫”，而计量经济学家往往会宣称他们找到了一只这样的猫。听起来很可笑，但从某种意义上来讲，我们何尝不是在做这样的事情？
----------------------------------------引用结束------------------------------------------
这一篇可谓是最通俗的说明了他的所有观点的，此外还有几篇文章：
个人认为都是非常值得一看的。不再直接粘贴过来原文，敬请直接移步。
注，漫画英文来自：http://myhome.iolfree.ie/%7Elightbulb/Research.html 由我翻译为中文并直接修改图片。
有的时候觉得做一个中国人真的挺幸福的，很多国外的著作，一两年内大都会有中文翻译版了——很多著作可能也只有中文这么一个非本国语言的翻译版。
最近发现自己不喜欢读翻译版的书了，很多翻译的人并不是用心在翻译，导致翻译的质量很差，反而更难以理解。
然而也不喜欢读国内人写的教材，很多人自己一知半解就敢胡乱写一通拿出来卖。个中错误害人匪浅。
总结开来，现在还是喜欢英文原版书。原版书大都印刷精美，而且欧美人的写作风格是深入浅出的。虽然没钱，但是有很强大的影印版，价钱往往比中译本还便宜。而且这里还有个影印甄别效应——不好的书是不会出现影印版和中译版的。而国内良莠不齐的教材则让人在选择的时候颇为头疼。
保留一点的是，中国经济学家的思维还是很喜欢读的，西方人有时候体会不到中国的特殊国情。不喜欢那些蜂拥媒体的说客们，只喜欢有着自己思维的经济学家。也喜欢那些反映中国现实的经济学著作——只要不是教科书就好。当然，对于某些垃圾书诸如货币战争之流，我就不说什么了。真正学习经济学，不要被类似的书毒害了思维就好。
然而读到现在，感觉自己可能毕业的时候数理分析学习了一堆，真正的经济学思维的建立还需很大火候。至少保留了自己会提问这么一个小小的优点，还算有点欣慰。可能离开山大，才有机会好好建立一下思维吧。——话说回来，百年山大，文史见长，为什么却没有收到良好的文史熏陶的机会？这个体制，真的需要变变了。若有个人文跨学科研究中心，还是不错的。只是，经济学方面，或许相比而言，要稍欠一些了。
学习经济学这么长时间，读了很多书，也在正规的科班好好的学习了很多方法论。但是总觉得自己陷入了一个框架中，会分析问题但是走不出来思考其缺陷和现实的冲突。这也是最为欠缺的地方——没有创新，只是重复劳动。虽然可以很功利的协议写论文之类的东西，但毕竟没有形成自己的思想，怎么说都是难以接受的。而且更为重要的是，方法始终是方法，形式的完美解决不了问题的实质，数学只是一种最为严谨的逻辑推演方式而不是替代一切的真理表达。因而，沉迷于那么方法的形式完美中并没有很好的形成自己的思想，这是让我现在颇为头痛的一件事情。诚然，思想的形成需要一定的时间来沉淀，但是从某种程度上来说，忽略了思想的学习是我现在很急功近利的一个表现，不是一种好现象。
最近在忙碌的被动地应付考试中不断的试图沉淀自己的思维，用一系列经典的文献来调节心情，并主动地去思考和理解，而不是被动的接受观点——其实观点并不重要，重要的是观点形成的过程和问题的实质——这又有些可以归结为哲学问题的范畴了。经典的意义就在于，在不同的时间读会产生不同的启迪和思考。
之所以这么说，是因为今天看了著名经济学家凯恩斯的《我们后代在经济上的可能前景》。限于手头资料，读的是中文译本，虽然不知道有多少失真，但是读完了对于心里的震撼是非常大的。凯恩斯作为开创一代理论的经济学大家，其想法自然有独到之处。虽然现在很多所谓的“著名经济学家”也在标榜自己的由经济道理的经济散文，但是相比于凯恩斯来说，尤其是从字里行间表现出来的思想深度来说，实在是不足一提——这有点是当代中国学术浮躁的反应。凯恩斯是一个经济学家，但他的思维远远不限于经济学领域，而是有很多对于社会、哲学、宗教等等领域的思考，其经济学家“悲天悯人”的天性自然的流露于字里行间。
一个人思想是不是深刻，不是简简单单的自我标榜和考虑到社会每个层次就可以的。在我看来，能不能关注到是一个层次，关注到之后怎么去分析和演绎又是另一个层次的事情了。
现在可以肯定的是，人类的需要是永无止境的。不过，人类的需要可以分为两类——一类是绝对的需要，即是说，不管周围的其他人境况如何，我们都会感到这种需要的存在；另一类是相对的需要，即是说，只有当这种需要的满足能够使我们凌驾于他人之上，产生一种优越感时，我们才会觉察到这种需要的存在。这第二类需要，即满足优越感的需要，也许才真正是不知餍足的，因为当一般的水平有了提高之后，这种需要也会水涨船高，不过，绝对的需要也许将很快达到，其实现的时间也许要比我们大家所意识到的还要早得多，而当这些需要得到了满足，那时我们就愿意把精力投放到非经济的目的上去。…………因此，显而易见，我们是凭借我们的天性——包括我们所有的冲动和最深层的本能——为了解决经济问题而进化发展起来的。如果经济问题得以解决，那么人们就将失去他们传统的生存目的。
……对那些为了每日的面包而辛勤劳动的人来说，闲暇是一件令人向往的乐事；而当这种向往成为现实时，他们才发现原来是另一番滋味。
这段话在我们看来并不新鲜，或许在当时的时代背景下也不是什么独创。但是当你在这篇文章中看到这些文字，在被前面的思维所影响着的时候，突然间却有一种豁然开朗的感觉。我想这并不算得上什么写作的技巧，而是作者严谨的逻辑思维的体现。说理说得透彻，这才是一个经济学家最为难得的技能。其实单单这一段，已经超出了传统经济学分析的框架——或者说我们必须在原来的框架里面进行一些所谓的拓展——但是这却是很多经济学家恐慌的缘故，因为他们一直以来害怕经济学基础的颠覆。正如科斯在经济学引入制度因素的伟大贡献，还有后来引入不确定性分析的贡献，经济学每每都经历了一次在外人看来有些不可思议的“痛苦”过程。这人为的延缓了经济学发展的进程，也是其现实解释力和预测能力颇有有限的诟病所在。
虽然很多经济学家喜欢引入不同形式的效用函数来解释人们的行为，但事实是人们的行为真的能够用一个足以概括的函数来抽象描述吗？当然我不否认贝克尔和冯·诺依曼的伟大贡献，事实上我们一直在他们的伟大思想框架下耕耘着，他们给了我们一种认识这个世界的科学方方。只是我一直认为宏观经济学缺少一些真正的分析立足点，始终难以接受它把所有的社会现象视为同质化基础上的分析——虽然在统计学看来是很有道理的。我只是想知道，“失之毫厘、谬以千里”，我们究竟离社会发展的本事规律偏离了多远？还能走回正确的轨迹上吗？
凯恩斯想到了社会发展的许多问题，也意识到了经济学现有分析方法的局限性，但是他所处的时代（上世纪二三十年代的资本主义经济危机和大萧条）赋予了他更为神圣的使命，而上帝并没有留给他更多的时间来完善经济学的分析框架。每一门自然科学学科到最后，都是一种哲学层面上的思考。但是思想和感知有了之后，形成系统的科学的分析方法还需要很多的时间和很多代人的努力。
现在可以肯定的是，人类的需要是永无止境的。不过，人类的需要可以分为两类——一类是绝对的需要，即是说，不管周围的其他人境况如何，我们都会感到这种需要的存在；另一类是相对的需要，即是说，只有当这种需要的满足能够使我们凌驾于他人之上，产生一种优越感时，我们才会觉察到这种需要的存在。这第二类需要，即满足优越感的需要，也许才真正是不知餍足的，因为当一般的水平有了提高之后，这种需要也会水涨船高，不过，绝对的需要也许将很快达到，其实现的时间也许要比我们大家所意识到的还要早得多，而当这些需要得到了满足，那时我们就愿意把精力投放到非经济的目的上去。
理论来源于实践；理论一旦形成，又会很好的指导实践。
马克思一语道出了理论的实质。虽然我不欣赏现在大学对于马克思主义的教育方法，但是实质上马克思哲学原理可以很深的影响我们的思维方式。他所倡导的辩证唯物主义在目前看来是一种颇为客观和使用的对待这个世界的方法。但是不得不承认的是，哲学并不是背背书就能够学好的，是要随着个人对于世界的认知加深而形成的。况且社会并不需要那么多思想家，也不需要所有人都有哲学领悟。如同“社会不需要那么多物理学家“一样。
诚如题目所指的，读完凯恩斯的文章，在被他的思想深深震撼后，对于他的印象决不仅仅是“政府干预经济”理论提出的意义了。有的时候我们说历史很重要，因为历史给了我们一个看问题的依据——以史为鉴。这里想说的是，理论本身并不重要，结论也不重要。重要的是怎么伴随着它的假设在一个理想的框架内如何分析，怎么在现实生活中拓展应用，然而最后是，他的思想到底应该如何发展下去？我承认，我的思想越来越多的被不同的“大家”影响着，或许暂时失去了自己的判断力。需要时间来沉淀，需要实践来印证，需要经历去感知。我想后面的，正是我现在最为欠缺的。